Topp 10 AI-företag som utvecklar stora språkmodeller för krypto
Artificiell intelligens och kryptovaluta utvecklas inte längre i separata hörn av teknikindustrin. I takt med att blockkedjeapplikationer blir mer komplicerade behöver utvecklare och användare i allt högre grad AI-system som förstår smarta kontrakt, tokenomik, aktivitet på kedjan, decentraliserad finans och det speciella språket för ... Web3.
Det är där kryptospecifika stora språkmodeller börjar göra skillnad. Generella modeller kan förklara vad en blockkedja är, men de kan ha svårt när de ombeds att tolka en komplex transaktion, bedöma en DeFi protokoll eller förstå sambandet mellan plånboksaktivitet och marknadsförhållanden. Kryptofokuserade modeller tränas, finjusteras eller kopplas till datamängder som ger dem en mycket starkare förståelse av dessa miljöer.
Marknaden är fortfarande relativt ung, och inte alla projekt som beskrivs som ett "krypto-AI-företag" bygger en grundmodell från grunden. Vissa tränar sina egna modeller, medan andra finjusterar befintliga modeller med öppen källkod eller bygger specialiserad infrastruktur kring LLM:er. Trots detta bidrar dessa företag och plattformar till att driva branschen mot AI-system som kan göra mer än att bara prata om krypto.
KedjaGPT
KedjaGPT är bland de tydligaste exemplen på ett företag som bygger AI specifikt kring behoven hos Web3 industri. Dess Web3 AI LLM är utformad kring blockkedjedata, smarta kontrakt, DeFi, NFTs och tokenomik snarare än att enbart förlita sig på den breda kunskap som finns i generella modeller.
En av de mer intressanta aspekterna av ChainGPTs tillvägagångssätt är dess koppling till liveinformation. Dess dokumentation säger att modellen kan fungera med data i kedjan, marknadsinformation, nyheter och sociala flöden, vilket gör det möjligt för utvecklare att bygga applikationer som behöver mer aktuell kontext än vad en statisk språkmodell kan ge.
Det gör tekniken användbar för allt från kryptoforskning och kundsupport till handelshjälp och analys av smarta kontrakt.GPT har också gjort sin modell tillgänglig via API:er och SDK:er, vilket ger andra Web3 företag ett sätt att lägga till kryptomedveten AI utan att behöva utveckla en hel modellstack själva.
Fetch.ai
Fetch.ai har tagit en något annorlunda väg genom att fokusera på AI-modeller som kan fungera som en del av autonoma agentsystem. I februari 2025 introducerade Fetch.ai ASI-1 Mini, som de beskrev som en Web3-inbyggd stor språkmodell byggd för agentiska AI-arbetsflöden.
Den viktiga skillnaden är att ASI-1 Mini inte bara positioneras som ytterligare en chatbot som är tränad att svara på frågor om kryptovaluta. Fetch.ai utformade den kring resonemang, beslutsfattande och autonoma arbetsflöden, med flera resonemangslägen avsedda att balansera hastighet och djup.
Den metoden är viktig eftersom nästa fas av krypto-AI sannolikt kommer att involvera agenter som faktiskt kan interagera med blockkedjenätverk. Istället för att fråga en AI vilken token som har högst avkastning och sedan manuellt utföra en transaktion, skulle användare så småningom kunna delegera delar av den processen till autonoma system. Modeller som ASI-1 Mini utvecklas med den bredare visionen i åtanke.
KryptovalutorGPT
KryptovalutorGPT är ett annat projekt som har försökt bygga AI-infrastruktur specifikt för kryptovaluta- och blockkedjesektorerna. Dess uttalade fokus sträcker sig bortom en enkel AI-chatbot till applikationer som generering av smarta kontrakt, revision, handelshjälp och annat Web3-relaterade verktyg.
Projektet har också skisserat planer för en AI-fokuserad blockkedjeinfrastruktur genom sin AIVM, avsedd att stödja exekvering, utbildning och tillhandahållande av datorresurser för AI-modeller i kedjan.
Det finns dock en viktig skillnad här. KryptoGPTs egen dokumentation säger att deras AI-modeller inte är öppen källkod, medan åtkomst är avsedd att tillhandahållas via API:er och SDK:er. Det gör deras strategi närmare en leverantör av AI-infrastruktur än ett öppet forskningslabb.
För kryptoanvändare är lockelsen ganska enkel. Istället för att tvinga ett generellt AI-system att lära sig blockkedjeterminologi från grunden, kryptoGPT försöker baka in den domänkunskapen i produkten.
BytomDAO
BytomDAO har valt en av de mer direkta metoderna för att skapa en kryptofokuserad språkmodell. Dess kryptoGPT Initiativet är baserat på CryptoInstruct, en datauppsättning som innehåller miljontals instruktionsexempel utformade kring kryptovalutrelaterad information och uppgifter.
Projektet säger att det är finjusterat Llama 3. Använda CryptoInstruct-datasetet för att producera kryptoGPT modeller på olika parameterskalor. Idén bakom denna metod är särskilt relevant för kryptoindustrin eftersom blockkedjeinformation är mycket specialiserad och ständigt förändras.
Istället för att försöka konkurrera med de största generella modellerna inom alla möjliga ämnen, kan en specialiserad modell koncentrera sina funktioner på områden som projektinformation, blockkedjekoncept och kryptospecifika uppgifter.
Detta är ett av de tydligaste exemplen på varför domänspecifik utbildning kan bli viktig inom Web3En mindre modell som förstår krypto på djupet kan ibland vara mer användbar för en blockkedjeapplikation än en mycket större modell som vet lite om allting.
IndexAI
IndexAI är ett annat projekt som byggs kring idén att språkmodeller ska kunna interagera direkt med blockkedjenätverk. Plattformen beskriver sin grundläggande modell som en öppen källkods-LLM utbildad i blockkedjekunskap.
Dess ambition går utöver att bara svara på frågor. IndexAI säger att deras teknik gör det möjligt för AI-agenter att läsa information över flera blockkedjor och, med lämpliga funktioner, skriva till dessa nätverk genom att signera transaktioner, genomföra affärer och utföra swappar.
Den skillnaden är betydande. Den verkliga möjligheten inom kryptospecifika LLM-program kanske inte ligger i bättre samtal om Bitcoin eller Ethereum. Det kan vara möjligheten att omvandla instruktioner på naturligt språk till säkra, verifierbara blockkedjeåtgärder.
En användare skulle så småningom kunna beskriva ett mål på ett vanligt språk medan ett AI-system hanterar de underliggande blockkedjeinteraktionerna. Det kräver betydligt mer domänmedvetenhet än en konventionell chatbot.
DMind
DMind positionerar sig som en öppen källkodsorganisation för AGI-forskning med fokus specifikt på digital finans. Dess arbete omfattar stora språkmodeller, datamängder, riktmärken och verktyg inriktade på finansiell och Web3 tillämpningar.
Företagets DMind-3-modeller är särskilt intressanta eftersom de är utformade kring realiteten i ekonomiskt genomförande i Web3DMind säger att modellerna är avsedda att hantera situationer där en enda användaråtgärd kan passera genom flera smarta kontrakt, utlösa likvidationer eller exponera medel för kontradiktorisk exekvering.
Det är ett annat problem än att bara generera ett sammanhängande svar. Inom decentraliserad finans kan ett AI-system potentiellt påverka transaktioner som involverar riktiga pengar. Som ett resultat blir det lika viktigt att förstå den omgivande exekveringsmiljön, riskerna och interaktionerna mellan kontrakt som att producera flytande text.
DMinds öppen källkodsmetod skulle också kunna göra dess arbete användbart för utvecklare som vill inspektera, anpassa och bygga vidare på specialiserade finansiella AI-modeller snarare än att helt förlita sig på slutna kommersiella system.
Nexis Labs
Nexis Labs arbetar med skärningspunkten mellan stora språkmodeller, autonoma agenter och blockkedjeexekvering genom sin Nex-T1-plattform. Företaget beskriver Nex-T1 som ett AI-system i företagsklass utformat för att koppla samman avancerade LLM:er med handlingskraftig blockkedjeexekvering.
Dess fokus är särskilt relevant för DeFi, där autonoma system behöver tolka marknadsinformation och sedan potentiellt vidta åtgärder. Nexis Labs beskriver sitt arbete kring multiagentorkestering, autonom DeFi handel och mänskliga kontroller.
Detta belyser en viktig utveckling på kryptomarknaden för AI. Modellen i sig är bara en pusselbit. För att ett AI-system ska bli verkligt användbart inom decentraliserad finans behöver det ett orkestreringslager, tillgång till tillförlitlig blockkedjeinformation och skyddsåtgärder kring exekvering.
Nexis Labs närmar sig därför problemet från agentsidan, där en juridikingenjör blir en del av ett större system som kan resonera kring finansiell information och interagera med blockkedjeinfrastruktur.
0G
0G bygger ett bredare decentraliserat AI-ekosystem som inkluderar en egen modellinfrastruktur. Dess plattform listar för närvarande modeller inklusive 0GM-1.0-35B-A3B tillsammans med andra modeller som är tillgängliga via dess AI stack.
Företagets övergripande mål är att föra AI-beräkning, lagring och inferens närmare blockkedjeinfrastruktur. De beskriver sitt nätverk som heltäckande stöd för AI på kedjan, verifierbar beräkning och privat inferens.
Det gör 0G relevant för den kryptospecifika LLM-diskussionen även om dess ambition sträcker sig bortom en specifik språkmodell. Företaget arbetar effektivt med den infrastruktur som krävs för att AI-modeller ska fungera i decentraliserade applikationer.
Detta kan visa sig vara lika viktigt som modellerna själva. Att köra sofistikerade AI-system kräver enorma dator- och lagringsresurser, medan blockkedjeapplikationer kräver transparens och verifierbarhet. Att förena dessa två krav är en av branschens största tekniska utmaningar.
Nous Research
Nous Research skiljer sig något från de andra namnen på den här listan eftersom deras språkmodeller inte är exklusivt utformade för kryptovaluta. Dess betydelse kommer från företagets arbete med öppen källkods-AI och decentraliserad modellträning.
Labbet utvecklar öppna språkmodeller, inklusive sin Hermes-familj, samtidigt som de arbetar med infrastruktur för distribuerad utbildning. Dess forskning kring decentraliserad AI har inkluderat användningen av blockkedjebaserad samordning och distribuerad databehandling.
Kopplingen till krypto handlar därför mindre om att skapa en "Bitcoin-chatbot" och mer om att förändra hur kraftfulla språkmodeller kan tränas och drivas. Den distinktionen blir allt viktigare i takt med att kryptoprojekt utforskar decentraliserade alternativ till den centraliserade AI-infrastrukturen som domineras av en relativt liten grupp teknikföretag.
Nous Researchs arbete visar att kryptospecifik AI inte nödvändigtvis behöver betyda en modell som uteslutande tränas på kryptodata. Det kan också innebära att bygga modeller och infrastruktur som passar naturligt in i decentraliserade ekosystem.
Galadriel
Galadriel närmar sig förhållandet mellan juridikstudier och blockkedja från en annan vinkel: att göra AI-inferens verifierbar.
Dess Sentience-projekt låter utvecklare skapa autonoma AI-agenter vars LLM-inferenser kan verifieras genom kryptografiska bevis. Systemet använder betrodda exekveringsmiljöer för att bearbeta LLM-förfrågningar och publicera attesteringar på Solana, vilket gör det möjligt för applikationer att verifiera att en inferens exekverades enligt gällande principer.
Även om Galadriel inte bara bygger en egenutvecklad kryptochatbot, åtgärdar deras arbete ett stort problem för blockkedjebaserad AI. Om en AI-agent fattar beslut som kan flytta pengar eller genomföra transaktioner behöver användarna mer än en modells ord på att processen hanterades korrekt.
Verifierbar AI skulle så småningom kunna bli en viktig del av kryptospråkmodeller, särskilt i takt med att autonoma agenter får större kontroll över plånböcker och finansiella transaktioner.
Den större kapplöpningen handlar om mer än chatbots
Uppkomsten av kryptospecifika LLM-program pekar på ett bredare skifte inom AI-industrin. Allmänna modeller har redan blivit anmärkningsvärt kapabla att förklara blockkedjekoncept, skriva kod för smarta kontrakt och sammanfatta kryptonyheter. Nästa utmaning är att få AI att förstå blockkedjemiljön tillräckligt djupt för att agera säkert i den.
Det innebär att ha tillgång till realtidsinformation i kedjan, förstå interaktioner mellan smarta kontrakt, känna igen ekonomiska risker och veta när en åtgärd kan få oåterkalleliga konsekvenser.
Företagen som bygger inom detta område närmar sig problemet från olika håll. Vissa tränar modeller på kryptospecifika datamängder. Andra bygger Web3-inbyggda juridikprogram, decentraliserade utbildningsnätverk, autonoma agenter eller verifieringssystem som gör AI-aktivitet mer transparent.
Marknaden är fortfarande tidig, och flera projekt kommer sannolikt att försvinna medan andra utvecklas till mycket större AI-infrastrukturföretag. Men riktningen blir allt tydligare. Krypto behöver inte nödvändigtvis ytterligare en chatbot som kan förklara vad Bitcoin är. Vad den behöver är AI-system som förstår hur decentraliserade marknader faktiskt fungerar.
Om det händer kan de viktigaste AI-modellerna för kryptovalutor så småningom bli de som användarna knappt märker. De kommer att sitta bakom plånböcker, börser, DeFi applikationer och autonoma agenter, som i tysthet tolkar blockkedjedata och hjälper till att omvandla instruktioner på naturligt språk till handlingar i kedjan.
Ansvarsfriskrivning
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
fler artiklar
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
